01·Perceptron: wejście, waga, bias, aktywacja

Wprowadzenie

Perceptron Rosenblatta z 1958 roku to najprostsza możliwa sieć neuronowa: pojedynczy neuron, który liczy ważoną sumę wejść z biasem i przepuszcza ją przez funkcję aktywacji. Ta lekcja rozkłada na czynniki pierwsze role wektora wag w, biasu b, sumy z = w·x + b oraz aktywacji σ(z). Zrozumiesz dlaczego bias to przesunięcie granicy decyzyjnej (a nie waga), dlaczego klasyczny perceptron ze stepem nie nauczy się XOR oraz jak pojedynczy neuron geometrycznie definiuje hiperpłaszczyznę w przestrzeni wejść.